股指期貨交易中操縱行為識別方法研究.pdf

1、中國證券市場已經初具規(guī)模，證券市場的國際化進程也大大加快。然而對一個成熟的證券市場而言，不僅要有成熟的市場參與者，良好的市場運作機制，也應該有多樣化的投資工具，以滿足投資者不同的投資需求。因此，股指期貨就成為中國金融市場必不可缺的金融工具。股指期貨不僅是市場的迫切需要，也是培育壯大機構投資者，穩(wěn)定金融市場，促進中國金融市場國際化的需求。但同時也要意識到金融衍生工具是一把“雙刃劍”，在發(fā)揮規(guī)避金融市場風險、增加金融體系風險應對能力的同時，

2、也可能出現利用新的金融衍生工具進行違法違規(guī)的活動。因此，需要在發(fā)展股指期貨的同時，加強股指期貨監(jiān)控，完善制度建設，豐富分析手段，確保其規(guī)范運作。
　　目前國內外各大交易所對操縱行為的識別方法是基于經驗和統(tǒng)計的簡單劃分，這些方法雖然得到廣泛應用，但是實際起到的效果卻十分有限，也無法適應日益復雜的監(jiān)控需求。而基于數據挖掘技術的方法，不僅為股指期貨操縱行為識別提供了新的實現手段，而且提高了股指期貨操縱行為識別的能力，增強了監(jiān)控的效率，使

3、以前無法識別的操縱行為無處遁形。
　　本文將從股指期貨操縱行為問題的特點出發(fā)，探索基于數據挖掘的股指期貨操縱行為發(fā)現的方法，為股指期貨操縱行為識別提供新的支撐技術與應用方法。
　　本文首先對股指期貨操縱問題的識別進行了框架性研究，并針對股指期貨交易數據特點，提出了股指期貨操縱行為識別的數據-方法-指標體系模型。
　　其次，本文從股指期貨操縱行為識別的主要指標出發(fā)（即價格、成交、委托及資金），分析了其數據特點，指出由于交

4、易數據具有噪聲性、非穩(wěn)定性、多粒度性、二重性和實體差異性，將現有的數據挖掘方法直接運用于股指期貨操縱行為發(fā)現中時，存在很多不足。為適應交易數據的這些特點，本文在對原有數據挖掘技術改造的基礎上，提出了針對股指期貨交易主要指標的三種分析方法，即基于小波-BP神經網絡-ARMAX/GARCH的股指期貨合約價格的時間序列分析模型、成交數據的支持向量機分類模型和委托行為的多分類融合分類模型。這些新的方法分析的內容涵蓋了股指期貨交易數據的核心部分，

5、同時彌補了現有方法存在的不足，提高了分析的準確性及識別的及時性。
　　為適應股指期貨時間序列的噪聲性和非穩(wěn)定性，并克服現有分析方法存在的缺點，本文在對股指期貨時間序列分析方法改進的基礎上，提出了一種基于小波-BP神經網絡的分析構架?；谠撃Ｐ偷姆治龇椒?，采用了小波分解，并在分解后的各個尺度進行建模，最后通過小波重構對指數序列進行短期預測，提高了股指期貨合約價格序列預測的準確性。
　　針對股指期貨成交數據的多粒度性以及成交數據

6、分析的需求，本文提出在解決噪聲、多粒度數據分類問題方面有突出優(yōu)越性的支持向量機分類方法，引入幾何求解方式，提出了支持向量機的切平面解法，根據成交數據直觀地對投資者進行分類。
　　為了能夠客觀描述股指期貨委托行為所具有的二重性與實體差異性，本文探索建立了多分類器融合分類模型。一方面，該模型采用了具有良好二分類性能的決策樹作為分類器，使得該方法能夠反映委托行為的二重性特點；另一方面，該模型可以在委托數據空間中使用多個基本分類器，通過分